张开乐，陈兴文

(大连民族大学信息与通信工程学院,辽宁 大连 116600)

随着智能领域的快速发展，激光SLAM(Simultaneous localization and mapping)技术具有稳定、可靠等性能优势，把该技术融入到AGV小车中进行自主导航[1]，可以大大提升AGV小车工作的灵活性和配送效率。可见自主导航技术是提高AGV小车智能化程度的核心技术之一，其中的同步定位与地图构建是解决其自主导航的关键问题。目前激光SLAM可分为两大类：基于滤波器和基于图优化的SLAM算法[2]。其中滤波器算法是用粒子滤波来估算机器人的位姿，并根据估算的位姿构建地图。但是该类算法存在两个问题，一是在大场景下，若里程计累计误差较大，则需要用较多的粒子来表示机器人位姿的后验概率分布，严重消耗内存；二是随着重采样次数的增多，粒子多样性散失，粒子耗散问题会严重影响地图的构建。而基于图优化的算法依靠前端回环检测和后端优化过程，优化所有的位姿能够减小里程计带来的累计误差，使定位和建图的精度较高。因此采用基于图优化的Cartographer算法[3]，融入里程计信息和激光雷达数据实现小车的定位和环境地图的构建，可以更好的实现自主导航功能。

1 基于图优化的Cartographer算法原理

Cartographer是Google推出的一套基于图优化的SLAM算法，主要由前端和后端两部分组成。Cartographer算法流程图如图1所示。

图1 Cartographer算法流程图

首先，传感器的数据获取，主要利用激光雷达数据、底盘里程计数据以及IMU数据，其中激光雷达数据是必须项。对获取后的激光雷达数据使用体素滤波器筛选出指定范围的点，并通过自适应计算获得适合的采样间隔，以减少点云数据量；……